上周的内容主要围绕2017年总结与2018年计划，本周围绕面试展开。
粗调和精调：从一道Google的面试题谈起
先来看一道Google的面试题，它其实是考察候选人的工程思维。
给你两个一模一样的玻璃球。这两个球如果从一定高度掉到地上就会摔碎，当然，如果在这个高度以下往下扔，怎么都不会碎，超过这个高度肯定就一次摔碎了。
现在已知这个恰巧摔碎的高度范围在1层楼到100层楼之间。如何用最少的实验次数，用这两个玻璃球测试出玻璃球恰好摔碎的楼高。
这道题其实有两种思路策略：
1. 从第一层楼开始，一层一层往上试验。
你拿着球跑到第一层，一摔，没有碎，接下来你又跑到第二层去试，也没有摔碎。你一层层试下去，比如说到了第59曾。这个策略能保证你获得成功，但显然不是很有效。
2. 预测一下，试一试
你跑到30层楼一试，没有碎，再跑到80层楼一试，碎了。虽然你把摔碎高度的范围从1-100减小到30-80，但接下来你就犯难了，因为你就剩一个球了，再这样凭感觉做试验，可能两个球都摔碎了，也测不出想知道的高度。
那这道题好的方法是什么呢？
两个球，一个用来做粗调，一个用来做精调，具体做法是以下这样的。
首先拿第一个球到10层楼去试，如果没有摔碎，就去20层楼，每次增加10层楼。如果在某个十层摔碎了，比如60层，就知道摔碎的高度再51-60层之间，接下来从51层开始一层层地试验，这样可以保证不出二十次，一定能试出恰巧摔碎玻璃球的高度。
这道题和计算机技术完全无关，和产品设计或者市场推广似乎也无关，那么为什么Google要考这道题？其实有两个目的：一是为了找到聪明人，二是为了判断这个候选人的工程素养。
世界上顶级的公司在招人时都要强调一个人未来的可塑性，其中的一条就是要足够聪明便于培养，因此都会考一些看似智力题的问题。这个传统的IT行业，特别是在硅谷，源于诺贝尔奖获得者夏克利挑选人的思维方式。
为什么可塑性比过去的经历重要呢？因为大部分公司招人是做未来的事情，而不是重复过去的的事情，尤其是对于大学刚毕业的年轻人，过去在大学几年学的东西，和后来一辈子要不断学习的东西相比，实在少得可怜。
因此，如果一个资质平庸、学习能力不强的学生在大学时多学了一点专业知识，比那些聪明好学，少学一两门专业课的人相比，后劲是不足的。
生物学中常用到的显微镜，可能你会记得在显微镜上有两个旋钮，第一个是粗调，让你大致看到图像，第二个是精调，能让你看清楚图像。
如果不能粗调，只用粗调，不仅做事的效率会很低，而且可能会因为一开始的范围找得不对，在花了半天时间后没有找到后，最后干脆放弃了尝试。
类似地，任何一个机器学习的过程，其实都是不断地调整数学模型参数的过程，直到参数收敛到最佳点。
每一次调整被称为是一次迭代，调整的幅度被称为迭代的步长。一开始的时候，迭代的步长要比较大，这样能够很快地确定大致范围，效率比较高。
世界上每年有很多机器学习方面的论文，都是围绕提高学习效率展开的，而其中的核心其实就是怎样用最少次迭代，完成模型的训练。当然，任何好的机器学习算法都不是事先认为设定步长，而是在学习的过程中，自动找到合适的步长。
这种粗调和精调结合的工程设计方式，并不限于“调节”这个范围，而是用于了很多工程产品的设计。
比如本田最新的超级跑车NSX有四个发动机。一个传统的汽油发动机提供主要动力，这相当于是粗调。一个电动发动机提供在起跑一瞬间快速的加速，这相当于精调。
粗调和精调的思维方式其实在生活中也有应用。很多时候我们先用低成本解决主要问题，然后再想办法把最后5%、10%做好。
微软为什么面试这道题：井盖该是圆的还是方的？
一般给出的理由有三个：
- 圆这个形状有一个非常好的性质，就是从圆心向各个方向度量尺寸都一样，因此做一个圆的井盖，不论怎么安放，都能很好地卡在井的边缘，井盖不会掉到井底下。
如果做一个方的井盖，不小心没有卡正，比如斜了45度角，井盖就会掉到井底下，因为正方形对角线的长度要大于边长。
如果一个候选人是这么回答的，说明他比较聪明，而且有一定的科学素养。你如果比较聪明，而且有一定的科学素养。
当然，对于给出了这个理由的候选人，有经验的面试官会接着问，还有其他原因吗？刷题的候选人可能就答不上来了。当然，如果学过机械的学生，或者工程素养比较好的人，会给出第二个理由。
-
圆的形状比较好加工，而且还有直径一个尺寸，因此对误差的容忍度要高一些。
-
圆形的井比较好挖。
一个候选人给出了这三个理由，说明他多少有点工程的思维方式，有希望培养成工程师。当然，这道题还有一个考核的目的，就是看候选人是否能把一个问题讲清楚。
事实上如果你坚持说方的井盖就是好，并且有足够多的理由支持，面试官会认为这样的人，比简单回答圆形井盖好的人更有特色。
事实上，就有这样的候选人，他说服了面试官方形井盖更好，于是微软聘用了他，并且把他安排到了销售部门。显然，微软希望发挥他说服力好的特长。
其实微软并不期待某个“正确”答案，而是看候选人如何解决问题，如何证明自己的观点。
2006年去Google中国出差期间，李开复被同行的同事问道，中国的毕业生相比美国顶级大学的毕业生水平如何？李开复讲，中国的毕业生遇到那些有比较明确答案的问题，解决得和美国学生一样好，但是对那些open question，也就是说没有明确答案的问题，常常会不知所措。这主要是过去的教育中缺少这一块，因为在学校里很少有机会去解决没有标准答案的问题。
中国学生对付美国的考试、考察，包括面试时常常会陷入一种误区，按照过去中国的应试教育方式作准备，以为就是做模拟题取得好成绩，其实对方关心的是过程而非答案。
在工程上，所谓的好和不好，都是有条件的，好的工程师都懂得在什么条件下，给出相对来讲最好的解决方案。而没有做过工程的人，才会在对错上不断地纠结。
我们都知道申请哈佛大学的本科是一件非常困难的事情，因为每15个人才有1个成功的，然而申请Google，竞争激烈程度就更为夸张了，每130个申请人里只有1个最终能入职。
苹果公司的情况也是类似，曼哈顿新开一家专卖店，只需要200名员工，却接到了10000份申请简历，录取率仅为2%，而大家挤破头所争的并非什么高薪职位，只是每小时不到20美元的销售员！
这里面的获胜者通常是既有创新思维（比如那个坚持井盖是方的人），又有工程师严谨态度的人。
微软曾经最大的竞争对手——高盛
在2000年时，微软是全世界市值最高的公司，而且在几乎所有的商业竞争中无往不利，即使打官司也不落下风，以至于大家不知道谁会是它的对手。
当记者向盖茨寻求答案时，盖茨讲“是高盛”。我们可能会奇怪，为什么盖茨会觉得一家和自己在商业上完全没有交集的投资银行是自己的竞争对手呢？因为他认为公司之间的竞争，最终是人才的竞争。
在Google还未上市的时候，就有高盛的人来找吴军老师，由于素昧平生吴军老师就拒绝饭局邀请，想知道到底是何事？高盛的人说是看上了Google的股票。
由于那时Google还未上市，吴军老师就问我马上会看上Google的股票，高盛讲，因为全世界都在用它。
在所有的投资银行中，高盛要比其他的强很多，当然主要是人员素质比较高，和高盛打交道时间长了，也就了解了高盛招人的特点。
简单地讲，高盛招人的原则有点像哈佛招生，喜欢高大上的、性格外向的、具有一定领导力和善于与人沟通的人。近了高盛的人什么背景的都有，也就是说原本学什么专业并不狠重要，对于大学生来讲，只要有基本的金融知识就够了。
但是，高盛对人的软实力非常看重，特别看重一个人的思维方式，以及遇到问题解决问题的方法。今天介绍三道高盛具有代表性的面试题。
第一题其实非常简单，时间在3:15的时候，分针和时针的夹角是多少？
这道题学过初中几何的人很容易算出来，但是，在美国大学里一些夸夸其谈，混文凭的人还真算不出来。
考这样一道简单的题，就不动声色地把很多数学基础差、对数字不敏感的人刷掉了。一个学习金融的本科生，你让他算复利他算的清楚，但是初中数学却早忘了。一个好的做金融的人，要对数字极为敏感，而人类本身又恰恰对大数字不敏感。
第二道题就有点意思了，纽约上空在任何一个时间点，有多少架飞机？
这显然是考候选人收集信息，然后入手解决问题的方法，至于最后给出的答案是多少倒并不重要，当然，瞎猜是不行的。
通常有点常识的人会知道纽约附近有三个国际机场，如果按照每个机场没三分钟起飞一架飞机，同时降落一架飞机，那么这三个机场大概一分钟起降两架飞机。
飞机在降落前和起飞后不久的速度如果按照每小时300公里计算，而纽约的直径大约是30公里，也就是说飞机在起降时有6分钟是在纽约的天空。因此任何时刻纽约上空平均有2X6=12架飞机。
当然了，如果飞机的起降的间隔是两分钟，或者四分钟，结果会不一样，但是这没有关系，不影响面试的结果。
另外，从不同的信息源出发，还可以采用不同的路径解决这个问题。
比如，如果知道其中一个机场——肯尼迪机场每年起降的飞机是大约42万架次，假如按照机场每天有18小时是繁忙的计算，得到的结果和前面一种方法估计的结果差不多。对于这种问题，解决问题的方式已经比答案重要得多了。
高盛为什么会问这种问题呢？因为要想估算一个市场的大小，一个公司潜在收入的规模，就是这样收集信息，做合乎逻辑推理的过程。
第三道题也是没有标准答案的，但是难度大了很多。如果你被压缩成一根铅笔高的人，掉进了果汁搅拌机中，怎么出来？
这个问题我问了不少中国人，大部分人是在考虑如何爬出来，因为一个搅拌机大约30厘米高，一根铅笔大约也有20厘米长，似乎不像掉到井里那么深。但是搅拌机四壁是玻璃，光滑无处着手，加上下面还有把刀，搞不好会伤了自己。
当然，还有人想的是如何把搅拌器推倒，这其实也不容易，因为如果人缩小到20厘米，体积只有原来的1/1000了，一个60公斤的人只剩下60克了，要推倒一个1000克的搅拌机几乎办不到。
据高盛的朋友讲，考这道题最主要的目的有两个，一个是看候选人能否脑洞大开，想法有创造力。另一个是看候选人是否对这样奇怪的问题有兴趣。
高盛里面的人给出的答案就要发散很多。其中比较有创造力的答案有这样几个：
1. 与其自己想办法爬出来，不如想办法求救。比如高喊，甚至如果手机还在身上就打电话，或者在玻璃容器内写上求救信息等等。事实上，任何单靠自己的努力试图爬出来的想法都不现实。
在职场上，我们特别要懂得借助别人的帮助工作。在遇到困难时，不要总是自己一个人试图解决超出自己能力的问题。
在Google和腾讯都见到过这样的员工，他们被要给技术难题卡壳了，有别人花很多天苦思冥想，但就是不得要领，其实找周围的同事问问很快就解决问题了。虽然这样的员工并不多，但是这种毛病要不得。
高盛的人讲，像高盛这样的金融公司，大家必须明白在遇到掉进搅拌器这种大麻烦时，一定要寻求帮助，而不是单靠自己试图解决问题。
事实上，高盛等公司每次遇到大麻烦时，都首先是找其他金融机构寻求帮助，不行的话就找寻求政府帮助，在上一次金融危机时便是如此。
-
还有一些比较有想法的人给出的答案，除了上面的求助外，建议回过头来考虑是谁把我变成了铅笔这么小，又是谁把我丢进了搅拌机，这样下一次可以避免悲剧或者麻烦的发生。
-
还有人指出，如果人只有铅笔大小，脑子比铅笔头上的橡皮大不了多少，智力肯定低得可怜，因此既不可能想出好的办法，也不会意识到危险的存在。由于这些人提出，我们本身的智力，对于复杂的问题其实是没有什么办法的，需要借助计算机这样外界的工具。
从高盛选拔年轻人的方式中，我看拿到了这样几个原则：
1. 基本的专业知识是必要的 这如同子啊说大学生总得学一点专业技能一样，与人沟通的基本技巧也是需要的，这也是我一直强调大学思念需要把一个懵懵懂懂的人变成一个社会的人的原因。
2. 一个人用什么样的思路解决问题，比知道答案更重要，这一点高盛和Google、微软没有区别。
3. 知道自己能力的边界。如果遇到超出自己能力的问题，应该求助于别人，而不是自己傻干蛮干。中国人在跨国公司里常常遇到所谓的天花板和困惑，根据我的观察，其中一个原因是不善于求助别人。
我之所以在讨论工程思维时加入了高盛的例子，是为了说明 世界上各行各业的精英都有一些共性的地方，比如他们善于解决问题，更看重方式方法，而不是简单地要结果。希望这些对你有所启发。
信息时代对人才技能的要求——晶体管发明者肖克利的经验教训
Google、微软和高盛的招聘做法在工业化早期并不普遍，因为那个时期所需要的专业人士多，而大学里培养出来的少，也就是说一个萝卜有好几个坑，大学毕业生是香饽饽。今天则不同，是僧多粥少，竞争某一个职位的众多候选人，通常专业水平都不差，因此就要比专业水平以外的能力了，这是今天求职的一个特点。
今天选拔人才其实还有第二个必须考虑的因素，就是 很多工作未来所需要的技能在当下的大学里并没有教授，掌握新知就得靠自己的悟性和努力了。这可以讲是信息时代和过去工业时代的一个显著的差别，这个现象从信息时代一开始就出现了。
说起信息时代，其实是整个社会数字化的过程，而这一切要靠以硅为核心的半导体技术。其中贡献最大的人物当属半导体晶体管的发明人肖克利（William Shockley），而硅谷的诞生就直接和他相关。
肖克利出生在英国，原本是美国东部贝尔实验室的科学家。他在发明晶体管之后不久（上个世纪50年代初），因为家庭的原因（要给妈妈养老），离开贝尔实验室来到旧金山湾区（今天的硅谷地区），并且在朋友的帮助下，创办了自己的半导体公司，生产晶体管。
当然，做这件事光靠他一个人是不够的，他需要找一批人来一起做。当时，晶体管刚被发明，美国大学里当然不会教授晶体管的原理，而这个新的器件也没有量产，因此全世界也没有人知道该如何制造晶体管。如果按照今天很多公司专业对口的要求，肖克利是招不到人的，不过肖克利有他自己的办法。
肖克利具体的办法有两个：
1. 他到当时各种学术会议上去听博士生们做报告，通过他们做报告的水平判定他们的智商和研究能力。
- 主动联系那些他看得上的人，后来两个改变了世界的人物诺伊斯和摩尔就是这么找到的。
罗伯特·诺伊斯出生在美国中西部衣阿华州的一个小镇上，从小就对大自然有着极大的好奇心，并且把大量时间花在做实验上。
1940年，年仅12岁的诺伊斯就和14岁的哥哥盖洛德（Gaylord Brewster Noyce）制作了一架滑翔机。当地人看到这架滑翔机从当地格林奈尔学院（Grinnell College）的大楼顶上平稳滑下，继而从学院体育场的看台上飞了下去。
诺伊斯家里没有什么钱，因此只上了当地的格林奈尔学院。他属于绝顶聪明但是非常调皮的年轻人，在大学里做过的最出格的一件事就是从附近的农场里偷了一头猪，在同学们的聚会上烤着吃了。这件事要是放在50年前是会被处以绞刑的，因为衣阿华是农业州，对于偷盗牲畜的处罚非常重。好在当时法院判处他停学一年。这一年他在纽约的一家保险公司工作，并很快精通于保险业务。大学毕业后，他本想去当飞行员，因视力不佳未能成行，只好去麻省理工学院读物理博士了。
从麻省理工学院获得物理博士学位后，喜欢动手的他决定选择在工业界发展。当时他拿到了美国所有顶级研究所，包括IBM、贝尔实验室和RCA实验室（GE旗下的实验室，当时和贝尔实验室齐名）的聘用书。
不过他却去了一家不大的费尔科公司（Philco），因为他是一个宁为鸡首，不为牛后的人。费尔科公司请他去是筹办半导体研究部门。不过费尔科公司一直经营不善，这让诺伊斯进退两难。
这时他接到了一生中最重要的电话——他后来回忆到：“接到那个电话的感觉，就像是接到上帝打来的电话一样。”
电话是肖克利打来的，邀请诺伊斯到加州加盟他刚成立的晶体管公司。诺伊斯毫不犹豫地答应了肖克利并成为公司的第一位员工。
戈登·摩尔加盟的过程和诺伊斯相似。当时他正在约翰·霍普金斯大学做物理学的博士后，虽然研究成果显著，但是他对自己研究的课题是否有用也吃不准。
他说，政府给了钱搞研究，我写论文，算下来成本是每个字5美元（当时5美元很值钱），这么高的投入搞出来的研究对政府是否有用，我也不知道。
而就在他感到苦恼之际，肖克利的电话打来了，于是摩尔接受了肖克利的邀请。
当然，光靠这样一个个地去接触候选人非常慢，肖克利还有一个吸引聪明年轻人主动上门找他的办法。
他将招聘广告以代码的形式刊登到学术期刊上，一般人根本读不懂他的广告，当然那些有比较好的基础训练又绝顶聪明的人是读得懂的，于是根据那个广告上他的人至少就过了智力这一关。
2004年，Google学习肖克利的做法，在硅谷地区101号高速公路旁打了这样一个广告，无理数e中构成素数的前十位数.com（[10-digit prime found in consecutive digits e].com）。
那些有好奇心的，数学比较好，而且爱琢磨的人，会找到答案。构成素数的前十位数字是 7427466391 。然后你打开网页7427466391.com，就转到了 Google 的招聘广告，这样找上门来的人至少省了HR第一步的筛选。
讲回到肖克利，他用这两种方法从美国各地招来了一大批当时还没什么名气却非常优秀的年轻人。
1956年，肖克利顺利地在旧金山湾区创立了他的公司，这一年年底他和巴丁、布莱顿一起荣获诺贝尔物理奖。这使得新成立的小公司名声大振。
招聘来的年轻人没有做过半导体怎么办呢？没有关系，肖克利觉得只要人聪明，会搞研究，可以很快教会他们做半导体。
事实证明肖克利的想法是正确的，他所招来了诺伊斯和摩尔后来可以讲不但青出于蓝，而且创办了今天世界上最大的半导体公司英特尔。此外，诺伊斯后来发明了集成电路，摩尔提出了摩尔定律。
他手下另一个年轻人克莱纳就是世界上著名的风险投资公司KPCB（凯鹏华盈）的创始人，其中那个K，就是克莱纳名字的首字母。除了他们几个人，还有一大批人后来都成了世界半导体产业早期的先驱人物和成功的企业家。
不过，肖克利自己却并没有借助他所培养出来的经营获得商业上的成功，因为那些年轻人不久之后全跑掉了， 这就要说肖克利自身的缺陷了。
肖克利是一位极有天赋的科学家，但是骨子里非常傲慢专横。在贝尔实验室的时候，大家就反映他比较难合作，但是那时他还只是一个普通的研究人员，因此傲慢专横的个性还没有显示出来，等到他得了诺贝尔奖，并且独自管理公司时，就变得唯我独尊了。
事实证明，肖克利既不是好的领导，也没有商业远见。他将努力方向放在降低晶体管成本，而不是研制新技术上，这让他最终起了个大早，却赶上了晚集。
因此，他的公司办到第二年，里面八个年轻人就忍受不了他的独裁作风，打算集体“叛逃”。这件事在IT历史上非常有名，被称为“八叛徒事件”。
“叛徒”这个词是肖克利起的，不过由于这八个人后来开创了全世界的半导体产业，并且催生出硅谷，因此“叛徒”一词后来硅谷是褒义词，而非贬义词。
总结一下肖克利的成败得失。
首先，所有人都承认肖克利在发现人才方面确实目光敏锐，因此Google等硅谷公司才用他的招聘方法。肖克利强调智力和研究能力的重要性，而不太看重年轻人的专业背景。特别是从事那些前人没有做过的工作，也不可能有太多的专业积累，聪明好学的人后劲就比较强。你如果看一下电子商务和在线支付这两个行业就能明白其中的道理。这两个行业是全新的，以前大学里根本不可能教授，全靠从业者自己摸索。
因此这两个行业里成功的人其实和过去的专业背景几乎没有什么联系，最早做在线支付的彼得·蒂尔和马斯克，都没有金融的背景。今后这样的行业会越来越多。
其次，肖克利认为人的智力水平可能比起跑早了半拍要重要得多，这一点今天美国的跨国公司都认可。
不过，肖克利对智力的看重可能有点过头。肖克利在办公司失败后，就到斯坦福大学都教授了。在斯坦福大学，他公开地讲非洲裔智力不如其他族裔，这给大学带来了很大的麻烦。
最后，因为肖克利自己不善于管理，他招聘贤才的做法，并没有给他个人带来什么好处。因此，在管理团队时仅仅发现贤才还不够，还要使用好贤才。
不过在硅谷，大家都感谢肖克利糟糕的管理水平，因为这反而使得整个旧金山湾区受益，让半导体产业兴起。因此人们说，在信息时代，坏的管理是特点，不是缺点。
智能时代，美国哪些行业在快速萎缩？
今天的话题，谈谈它对社会就业的影响。
从1776年瓦特发明万用蒸汽机之后，每一次工业革命都会淘汰掉很多人，甚至是整个行业。乐观的经济学家认为总会有新的行业诞生，或者某些行业的扩大，但是从全球的范围来看，有三个问题始终无法解决。
第一就是很多地区丢掉的工作永远回不来（至少到今天依然如此）。
第二就是即便在受益的地区，完成劳动力分布的转化至少需要一代人，甚至需要两代人的时间。
第三个就是新的职业未必比过去老的职业挣钱更多。
这些问题我们姑且留给政治家去解决，我们来看看接下来哪些行业的人正在丢失饭碗，哪些行业的人数在增加。
我和我的基金的小伙伴们使用的都是美国的数据（主要来自于美国劳工统计局BLS，也包括MarketWatch、《华尔街日报》、财经新闻网络等等媒体），时间是2007-2016年，大约10年时间，因此这反映的是美国的情况。中国的情况肯定有所不同，但趋势差不到哪里去。
先说说正在迅速萎缩的行业以及萎缩的速度。各个数据源分类比较细，我将它们综合了一下，分为了五大类。
第一类，制造业，萎缩比例在42%-65%。
制造业萎缩有三个原因：
第一个原因是美国一些企业过分强调全球化和自身利润，从而带来的产业空心化。比如纺织业，以及室内饰品，特别是窗帘制作等等。这些行业的美国雇员在过去的十年里减少了44%以上。
你可能会奇怪为什么窗帘制作被单拿出来，因为这在美国是很大的市场。中国人一般在房子上花钱多，但是家具和内饰上舍不得花钱。
而美国人在家具上花的钱应该不少于购房款的10%，窗帘等内饰则在3%-5%左右，也就是说买一个200万美元的房子，需要花20万美元买家具，10万美元做窗帘等等。
在美国买二手房时，不用看这个家庭的照片，只要看家具和窗帘，就知道住的是美国人还是中国人。这些市场的规模其实并没有缩小，但是就业人数少了快一半，因为工作岗位交给了中国人。
因此，资本家挣钱更多了，但是和老百姓、地区经济无关。这一大类的制造业还有钢铁的制造，各种消费品的制造等等。
第二个原因是很多设备不再有市场了。首当其冲的是办公设备，既包括打印机、传真机，也包括文具、贺卡以及与之颇为关联的印刷等等。它们的雇员缩减了42%以上。
这部分工作没了，怪不到中国人的头上，因为这是职场信息化和智能化的结果，特别的是云端运算服务的兴起，让大家不再需要传真机、复印机了，甚至不需要文具类。
我看到今天国内还有很多企业做差异化的文具，其实这个大方向的路会越走越窄。每年我收到的各种精致的文具永远也用不完，家里也摆不下，最后都送给了慈善机构。
这类萎缩的行业还包括传统电信设备的制造，因为大家都在用移动设备了。
第三个原因是因为技术进步，现在一个人能顶过去几个人用，这类萎缩掉的制造业是机械制造和精密制造，简单地讲就是机器比人做得更好。
2007年至2016年的就业资料，显示有25种产业正迅速没落，过去十年来流失的员工比率最高的将近90%，最低的也有42%。
第二类，各类销售和租赁，萎缩45%-92%。
我们通常理解零售业萎缩是电商和在线服务所致，这是一个重要原因，但只是一个原因。
这一类的就业萎缩速读惊人。DVD等租赁业务萎缩了92%，这个好理解。但是图书馆工作人员也少了80%，你可能就想不到了，因为在有了ioT（物联网Internet of things）技术和电子标签之后，现在check out是自动的。
至于百货店在关门，这就不用说了，你已经看到了。
除了受到电商和在线服务冲击，还有一个重要原因是制造业本身不存在了，销售也就不存在了，比如办公用品不用了，文具店也就关门了。没有了纸质媒体和杂志，报刊亭也就不存在了。
第三个原因则是自我服务程度的提升。
什么是自我服务呢？比如说50年前美国的加油站需要由专人给予加油服务，这件事30年前在大部分州变成了自己刷卡加油。
20年前，收过桥费是人工的，今天绝大部分收费站啊哟么是在站口扫码EZ-Pass，要么拍张车牌照片回头补交钱，这就是自我服务。
在很多商场里，已经是自己扫描商品付钱，它不是自动服务，而是消费者自己参与，但是不需要员工了。
第三类，媒体、出版和相关产业，萎缩44%-60%。
印刷厂、纸质媒体、CD音乐、DVD电影这些都在消失。有趣的是，电子化的同类产品至今也没有获得当年的营业额。因此，这些产业不仅仅是就业人数在萎缩，即使成功转型，整个市场规模也在萎缩。
这说明大家花在这些地方的时间在大幅度减少。这实际上是互联网对它们带来的根本性冲击，也就是说，它们即使有了互联网思维，主动转型也是死路一条。
在这一大类中，萎缩的还包括专业的录音、录像和摄影。在过去，平民百姓没有哪些专业设备，也缺乏录音录像和摄影的专业技能，很多事情做不了。
今天，很多个人使用的音响器材和专业人士没有差别，甚至更好。个人的录音、录像和摄影水平，和很多专业人士也没有差异，因此很多机构不再雇佣专业人士录制拍摄。
比如今天美国各大学生主要由学生和志愿者承担这方面相应的工作，甚至一些跨国公司在发布新闻时，也不再请专业的音像团体了。
第四类，各种中介，以及一些租赁服务，萎缩45%-55%.
这包括职业中介，也就是俗称的猎头，还有房地产中介、贷款中介、旅行社、二手车销售等等。在我们很多人眼里，技术革命是让制造业萎缩，服务业增加。对不起，正在进行的智能革命是全方位的，那种过去靠信息不对称获得的饭碗，在带宽不断增加的今天，又将丢失掉。
此外，有两类服务我也把它们归并到这一类中，因为不想搞出太多的大类。
一个是为雇主和雇员服务的人，波啊阔单位里的HR和秘书，单位外处理保险、退休金、福利等相应机构，这类人减少了48%。甚至一些公司里的财务工作都在外包（我自己的基金便是如比）。
另一个是某些租赁业务，比如低端婚纱和礼服的租赁店关掉了47%，因为大家都在网上买来自中国一次性的礼服。因此，很多时候，共享并非是唯一的方向，在一些行业其实是反其道而行之，是以一次性的消费取代共享。
第五类，你可能想不到，居然是大家觉得金饭碗的金融服务，在它的一些细分领域，萎缩了43%-46%。
在金融业中，受到冲击最大的是营业厅，这个你应该已经感受到了，因为很多交易可以在线进行，不用去营业厅了。
但接下来大家注意不到的是贷款业务，这里面除了智能化使得贷款变得简单了之外，还有一个原因是美国老百姓对银行贷款的意愿在下降。这可能和上一次导致金融危机的房地产泡沫破碎有关，很多人欠了一屁股债之后，对贷款这件事心有余悸。
美国在过去的十年里，经济在扩张，但是贷款数量下降了36%，从业人员减少了46%。当然在中国至少目前不是这个状况，不过值得注意的是这种行业，可能生意说没有就没有了。
更让你想不到的是过去金饭碗中的金饭碗，股票和证券交易员人数少了43%。原因很简单，美国今天90%左右的交易都是机器完成的。
很多人问我机器人是否能炒股，这件事美国在30多年前就开始普及了，今天各个基金之间其实不是人在对决，而是他们背后的机器人在对决，你可以认为大的金融机构里都有自己的AlphaGo。
此外，还有很多政府部门的工作，主要是服务型的，也在丢失工作。
最后顺便说一句，很多人一想到金融就觉得能挣大钱。金融行业确实能挣大钱，但不等于从业者能挣到大钱，这是两回事。这就如同iPhone产品挣了大钱，制造iPhone的打工妹可没有。
在上述这些行业中，并没有一些人所担心的会丢失工作的医疗行业，甚至没有出租车行业，这说明实际情况和我么你的想象和预测还是有差距的。当然，当市场和理论不一致时，市场永远是正确的。
另外，从这些数据中我们能看到两点。
首先，一个行业走下坡路的速度远比我们想象的要快。
第二，不要认为智能时代凡是和服务挂钩的职业就安全。因此危机感和居安思危总是必要的。
答读者问07 | 聪明人和笨人
Q1： 灰度的世界，重点还需要学习解决问题的思维。这三期面试题的节目，重新给了我对于工作的思考角度。聪明部分年龄，那些卓越的应届生有时候让自己在相比之下逊色很多。所以，想请问吴军老师，这些面试都是来判断一个人未来能不能成为一个好工程师？这些角度好像更看重一个人本身的天赋。对于我们这些回答不上来这些面试题的人，还有成为一个卓越工程师的可能性吗？如果有，应该怎么做呢？
A： 天赋并不等于生下来什么样就是什么样的，不可能不经过任何训练自然就有的。世界曾经出现过不止一个狼孩，也就是小时候被狼带去抚养了。这些人后来被发现后，被带回到人类的生活环境中，但是智力水平极为低下。因此，天生智商再高的人，如果没有合适的训练，也显示不出来天赋。
人能力的培养不是一天两天就能够完成的，今天做不出来这些题没有关系，但是不要指望有什么办法能够在短时间里培养出天赋来。当你看到一个人在某个领域显示出超凡的天赋时，还要看他在上面花的工夫。
在历史上，莫扎特和贝多芬都是难得的音乐天才，但是，他们二人在其他小孩还在地上和泥巴玩时，就开始练琴了。
中国人有一个普遍的毛病，就是心太急，很多训练，包括思维方法的训练，都是一个慢功夫。如果在十几岁时有幸开始比较好的思维训练，以后学东西，做事情会比别人快一些。如果那个时候没有遇到合适的老师、同学，或者因为自己的原因荒废了，那么以后除了花更多的时间，找更好的导师，慢慢补上，我不觉得有什么捷径可以走。
每一个人都有自己的天赋，有些人对数字敏感，但是语言能力不强，有的人则相反。有的人适合做工程师，有的人不适合，但是，不适合做工程的人可能是很好的艺术家、文学家、媒体人、运动员等等。
作为一个用人单位，他们只能根据一个人过去的训练和表现，判断他是否适合进入自己的单位工作。求职者不能指望他们像父母或者老师一样，给予还没有准备好的人较多的机会。
如果答不上这些面试题，并非说明智力不够，而是表明过去的训练有问题。在面试Google、微软这样的用人单位之前，要补上这种训练，这也是《吴军的谷歌方法论》的目的之一。
新东方的俞敏洪老师讲，不在于你进入新东方前托福能考几分，而在于集训一段时间后，自己能提高多少分。同样的道理，** 不在于过去的基础如何，而在于一年后我们提高了多少。**
Q2：吴老师说上帝喜欢笨人，但顶级公司招人又喜欢足够聪明的人。我对于聪明和笨的关系有些困惑，聪明和笨应该是分场景的。那些天资不是特别聪颖，但通过勤奋努力取得好成绩的人，他们的出路在哪里呢？
A：我说的笨不等于智商低，而是说做事情有板有眼，不投机取巧，严格遵循制度。
根据《异类》作者格拉德威尔的观点，智商如果达不到120，做事情会很辛苦。中国人的智商大约平均为105，比世界上很多国家的人要稍微高一点，但是依然有60%甚至2/3达不到120，因此做一些事情可能会很吃力。但是，智商只是对人一个维度的衡量，人一生的机会非常多。
智商高没有见识，只能算是一点点小聪明，智力不可能帮上他任何忙，甚至还会帮倒忙，因为有点小聪明的人更容易自负而固执。
我们开车，如果速度慢20%，但是方向对了，最坏的情况晚一点也能到。但是如果方向差出来哪怕五度，开得越快，错过目标的可能性越大。
因此，笨人知道慢慢开车，开一会儿，要看看路，确认方向没有错再继续开。自认为聪明的人，一会儿开到左边了，往西差出了5公里，一会儿太靠右边了，往南差出了3公里，速度再快，也经不住来回来去的反复。
另外，我说上帝喜欢笨人，并不是说聪明人不能成功，笨人一定能成功。只是说上帝对笨人更垂青罢了。人太笨可能进不了Google这样的公司，但是太聪明了，在里面未必能呆得长。
在我看来，智商不到160（160以上的人不到人口的千分之一），也不必标榜自己是聪明人。既然不是聪明人，就没必要使用所谓聪明的办法。
网友评论